Machine learning
Bidirectional RNN
SchusterとPaliwalによって1997年に導入されたBidirectional RNNは、シーケンスを順方向と逆方向の両方で処理するため、各位置が完全な周囲のコンテキストにアクセスできるようになります。LSTMまたはGRUセル（BiLSTM/BiGRU）と組み合わせることで、固有表現認識、シーケンスラベリング、および音声認識の標準的なアプローチとなっています。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- Schuster, M. & Paliwal, K.K. (1997). Bidirectional Recurrent Neural Networks. IEEE Transactions on Signal Processing, 45(11), 2673–2681. DOI: 10.1109/78.650093 ↗
- Graves, A. & Schmidhuber, J. (2005). Framewise Phoneme Classification with Bidirectional LSTM Networks. IJCNN, 2047–2052. DOI: 10.1109/IJCNN.2005.1556215 ↗
このページの引用方法
ScholarGate. (2026, June 1). Bidirectional Recurrent Neural Network (BiLSTM / BiGRU). ScholarGate. https://scholargate.app/ja/deep-learning/bidirectional-rnn
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- アテンションメカニズム深層学習↔ compare
- ランダムフォレスト機械学習↔ compare
- Multi-Head Self-Attention深層学習↔ compare
- シーケンス・ツー・シーケンスモデル深層学習↔ compare
- XGBoost機械学習↔ compare